欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

c语言编译系统是什么软件(c语言手机编程软件推荐)

程序员文章站 2023-12-04 18:50:28
在我刚刚进入大学,从零开始学习 c 语言的时候,我就不断的从学长的口中听到一个又一个语言,比如 c++、java、python、javascript 这些大众的,也有 lisp、perl、ruby 这...

在我刚刚进入大学,从零开始学习 c 语言的时候,我就不断的从学长的口中听到一个又一个语言,比如 c++、java、python、javascript 这些大众的,也有 lisp、perl、ruby 这些相对小众的。一般来说,当程序员讨论一门语言的时候,默认的上下文经常是:“用 xxx 语言来完成 xxx 任务”。所以一直困扰着的我的一个问题就是,为什么完成某个任务,一定要选择特定的语言,比如安卓开发是 java,前端要用 javascript,ios 开发使用 objective-c 或者 swift。这些问题的答案非常复杂,有的是技术原因,有的是历史原因,有的会考虑成本,很难得出统一的结论,只能 case-by-case 的分析。这篇文章并非专门解答上述问题,而是希望通过介绍一些通用的概念,帮助读者掌握分析问题的能力,如果这个概念在实际编程中用得到,我也会举一些具体的例子。

在阅读本文前,不妨思考一下这几个问题,如果没有头绪,建议看完文章以后再思考一遍。如果觉得答案显而易见,恭喜你,这篇文章并非为你准备的:

什么是编译器,它以什么为分界线,分为前端和后端? java 是编译型语言还是解释型语言,python 呢? c 语言的编译器也是 c 语言,那它怎么被编译的? 目标文件的格式是什么样的,段表、符号表、重定位表有什么作用? swift 是静态语言,为什么还有运行时库? 什么是 abi,abi 不稳定有什么问题? 什么是 webassembly,为什么要推出这门技术,用 c++ 代替 javascript 可行么? javascript 和 dom api 是什么关系,javascript 可以读写文件么? c++ 代码可以自动转换成 java 代码么,任意两种语言是否可以互转? 为什么说 python 是胶水语言,它可以用来开发 ios/android 么?

编译原理

就像数学是一个公理体系,从简单的公理就能推导出各种高阶公式一样,我们从最基本的 c 语言和编译说起。

int main(void) { int a = strlen(“hello world”); // 字符串的长度是 11 return 0; }

相关的介绍编译过程的文章很多,读者应该都非常熟悉了,整个流程包括预处理、词法分析、语法分析、生成中间代码,生成目标代码,汇编,链接 等。已有的文章大多分析了每一步的逻辑,但很少谈实现思路,我会尽量用简单的语言来描述每一步的实现思路,相信这样有助于加深记忆。由于主要谈的概念和思路,难免会有一些不够准确的抽象,读者学会抓重点就行。

预处理是一个独立的模块,它放在最后介绍,我们先看词法分析。

词法分析

最先登场的是编译器,它负责前五个步骤,也就是说编译器的输入是源代码,输出是中间代码。

编译器不能像人一样,一眼就看明白源代码的内容,它只能比较傻的逐个单词分析。词法分析要做的就是把源代码分割开,形成若干个单词。这个过程并不像想象的那么简单。比如举几个例子:

int t 表示一个整数,而 intt 只是一个变量名。 int a 表示一个函数而非整数 a,int a 也是一个函数。 a = 没有具体价值,它可以是一个赋值语句,还可以是 a == 1 的前缀,表示一个判断。

词法分析的主要难点在于,前缀无法决定一个完整字符串的含义,通常需要看完整句以后才知道每个单词的具体含义。同时,c 语言的语法也不简单,各种关键字,括号,逗号,语法等等都会给词法分析的实现增加难度。

词法分析的主要实现原理是状态机,它逐个读取字符,然后根据读到的字符的特点转换状态。比如这是 gcc 的词法分析状态机(引用自《编译系统透视》):

c语言编译系统是什么软件(c语言手机编程软件推荐)

如果自己实现的话,思路也不难。外面包一个循环,然后各种 switch…case 就完事了。词法分析应该算是最简单的一节。

语法分析

经过词法分析以后,编译器已经知道了每个单词,但这些单词组合起来表示的语法还不清楚。一个简单的思路是模板匹配,比如有这样的语句:

int a = 10;

它其实表示了这么一种通用的语法格式:

类型 变量名 = 常量;

所以 int a = 10; 当然可以匹配上这种模式。同理,它不可能匹配 类型 函数名(参数); 这种函数定义模式,因为两者结构不一致,等号无法被匹配。

语法分析比词法分析更复杂,因为所有 c 语言支持的语法特性都必须被语法分析器正确的匹配,这个难度比纯新手学习 c 语言语法难上很多倍。不过这个属于业务复杂性,无论采用哪种解决方案都不可避免,因为语法规则的数量就是这么多。

在匹配模式的时候,另一个问题在于上述的名词,比如 类型、参数,很难界定。比如int 是类型,long long 也是类型,unsigned long long 也是类型。(int a) 可以是参数,(int a, int b) 也是参数,(unsigned long long a, long long double b, int *p) 看起来能把人逼疯。

下面举一个简单的例子来解释 int a = 10 是如何被解析的,总的思路是归纳与分解。我们把一个复杂的式子分割成若*分,然后分析各个部分,这样可以简化复杂度。对于 int a = 10 来说,他是一个声明,声明由两部分组成,分别是声明说明符和初始声明符列表。

声明 声明说明符 初始声明符列表 int a = 10 int a = 10 int fun(int a) int fun(int a) int array[5] int array[5]

声明说明符比较简单,它其实是若干个类型的串联:

声明说明符 = 类型 + 类型的数组(长度可以为 0)

而且我们知道若干个类型连在一起又变成了声明说明符,所以上述等式等价于:

声明说明符 = 类型 + 声明说明符(可选)

再严谨一些,声明说明符还可以包括 const 这样的限定说明符,inline 这样的函数说明符,和 _alignas 这样的对齐说明符。借用书中的公式,它的完整表达如下:

c语言编译系统是什么软件(c语言手机编程软件推荐)

成功解析语法以后,我们会得到抽象语法树(ast: abstract syntax tree)。以这段代码为例:

int fun(int a, int b) { int c = 0; c = a + b; return c; }

它的语法树如下:

c语言编译系统是什么软件(c语言手机编程软件推荐)

语法树将字符串格式的源代码转化为树状的数据结构,更容易被计算机理解和处理。但它距离中间代码还有一定的距离。

生成中间代码

以 gcc 为例,生成中间代码可以分为三个步骤:

语法树转高端 gimple 高端 gimple 转低端 gimple 低端 gimple 经过 cfa 转 ssa 再转中间代码

简单的介绍一下每一步都做了什么。

语法树转高端 gimple

这一步主要是处理寄存器和栈,比如 c = a + b 并没有直接的汇编代码和它对应,一般来说需要把 a + b 的结果保存到寄存器中,然后再把寄存器赋值给 c。所以这一步如果用 c 语言来表示其实是:

int temp = a + b; // temp 其实是寄存器 c = temp;

另外,调用一个新的函数时会进入到函数自己的栈,建栈的操作也需要在 gimple 中声明。

高端 gimple 转低端 gimple

这一步主要是把变量定义,语句执行和返回语句区分存储。比如:

int a = 1; a++; int b = 1;

会被处理成:

int a = 1; int b = 1; a++;

这样做的好处是很容易计算一个函数到底需要多少栈空间。

此外,return 语句会被统一处理,放在函数的末尾,比如:

if (1 > 0) { return 1; } else { return 0; }

会被处理成:

if (1 > 0) { goto a; } else { goto b; } a: return 1; b: return 0;

低端 gimple 经过 cfa 转 ssa 再转中间代码

这一步主要是进行各种优化,添加版本号等,我不太了解,对于普通开发者来说也没有学习的必要。

中间代码的意义

其实中间代码可以被省略,抽象语法树可以直接转化为目标代码(汇编代码)。然而,不同的 cpu 的汇编语法并不一致,比如 at&t与intel汇编风格比较 这篇文章所提到的,intel 架构和 at&t 架构的汇编码中,源操作数和目标操作数位置恰好相反。intel 架构下操作数和立即数没有前缀但 at&t 有。因此一种比较高效的做法是先生成语言无关,cpu 也无关的中间代码,然后再生成对应各个 cpu 的汇编代码。

生成中间代码是非常重要的一步,一方面它和语言无关,也和 cpu 与具体实现无关。可以理解为中间代码是一种非常抽象,又非常普适的代码。它客观中立的描述了代码要做的事情,如果用中文、英文来分别表示 c 和 java 的话,中间码某种意义上可以被理解为世界语。

另一方面,中间代码是编译器前端和后端的分界线。编译器前端负责把源码转换成中间代码,编译器后端负责把中间代码转换成汇编代码。

llvm ir 是一种中间代码,它长成这样:

define i32 @square_unsigned(i32 %a) { %1 = mul i32 %a, %a ret i32 %1 }

生成目标代码

目标代码也可以叫做汇编代码。由于中间代码已经非常接近于实际的汇编代码,它几乎可以直接被转化。主要的工作量在于兼容各种 cpu 以及填写模板。在最终生成的汇编代码中,不仅有汇编命令,也有一些对文件的说明。比如:

.file “test.c” # 文件名称 .global m # 全局变量 m .data # 数据段声明 .align 4 # 4 字节对齐 .type m, @objc .size m, 4 m: .long 10 # m 的值是 10 .text .global main .type main, @function main: pushl %ebp movl %esp, %ebp …

汇编

汇编器会接收汇编代码,将它转换成二进制的机器码,生成目标文件(后缀是 .o),机器码可以直接被 cpu 识别并执行。从目标代码可以猜出来,最终的目标文件(机器码)也是分段的,这主要有以下三个原因:

分段可以将数据和代码区分开。其中代码只读,数据可写,方便权限管理,避免指令被改写,提高安全性。 现代 cpu 一般有自己的数据缓存和指令缓存,区分存储有助于提高缓存命中率。 当多个进程同时运行时,他们的指令可以被共享,这样能节省内存。

段分离我们并不遥远,比如命令行中的 objcopy 可以自行添加自定义的段名,c 语言的 __attribute((section(段名)))__ 可以把变量定义在某个特定名称的段中。

对于一个目标文件来说,文件的最开头(也叫作 elf 头)记录了目标文件的基本信息,程序入口地址,以及段表的位置,相当于是对文件的整体描述。接下来的重点是段表,它记录了每个段的段名,长度,偏移量。比较常用的段有:

.strtab 段: 字符串长度不定,分开存放浪费空间(因为需要内存对齐),因此可以统一放到字符串表(也就是 .strtab 段)中进行管理。字符串之间用